改进BP神经网络在管道腐蚀速率预测中的应用

针对影响管道腐蚀速率预测精度出现的BP算法易陷入局部最小值、收敛速度慢和引起振荡效应等问题,根据改进自适应遗传算法在广泛的空间搜索和向最优解的方向尽快收敛于最优目标的特点,提出了使用改进自适应遗传算法优化BP神经网络,构建了优化的混合算法神经网络模型.实际应用表明,该模型将大大提高网络的学习效率和预测评判的准确率.     

一种基于实数编码的自适应多亲遗传算法

为了克服基于二进制编码的遗传算法在求解连续参数优化问题时的缺陷,采用实数编码,定义1种度量多样性的指标,来自适应地调整基于实数编码的多亲遗传算法中交叉概率和变异概率,提出1种基于实数编码的自适应多亲遗传算法.该算法能自适应地调整其参数,且在求解优化问题的过程中,能克服早熟收敛的现象,提高搜索能力,加速收敛速率.最后对该算法进行了理论分析.     

遗传算法的改进

简单遗传算法存在着收敛速度慢,易陷入局部极小等缺陷,针对这２点,对遗传算法的各个环节作了改进;对初始方案集的产生做了改进,提出了更加适合自然规律的竞争选择法,设计出与迭代次数成反比,与父串间的距离成正比的自适应变异率。实例验证表明,改进的遗传算法的收敛速度和获得全局最优解的概率都有很大提高。     

负荷建模参数辨识中综合改进遗传算法的应用

参数辨识是负荷建模的关键之一,针对遗传算法本身存在的缺陷,提出一种综合改进的遗传算法.该算法通过初始种群选择、最优个体保留、自适应交叉和变异率等方面进行综合设计,有效地避免了早熟和近亲繁殖,提高了收敛速度.建模实践表明,所提的综合改进遗传算法可加速收敛,缩短辨识时间,同时提高了拟合精度,克服了参数的分散性,是一种适合于负荷建模参数辨识的优化算法.     

遗传算法在商场数据库中的应用

采用自适应遗传算子、多参数编码技术和确定性期望值模型选择机制等方法对基本遗传算法作了相应改进,有效提高了遗传算法的局部搜索能力,并具体介绍了遗传算法在商场数据库中寻找最优客户群的应用,说明了应用遗传算法中需要注意的一些问题。     

基于改进多目标遗传算法的农村低碳物流配送路径优化

针对我国县、乡、村物流配送成本居高不下，需求覆盖率严重不足以及碳排放量较高的现实问题，构建考虑需求不确定和碳排放约束的农村物流配送路径优化模型，并提出了适用于多车型的改进多目标遗传算法。结合农村物流配送数据，运用MatlabR2014a软件进行仿真试验，最终得出在需求不确定和碳排放约束下农村物流的最优配送路径方案。仿真试验结果表明:设计的改进多目标遗传算法对于求解农村物流配送路径优化问题具有较好的有效性和适用性；在需求不确定和碳排放约束下，改进多目标遗传算法能够有效降低农村物流配送成本，提高需求覆盖率；与单车型配送方案相比，多车型配送方案在农村物流配送中更具优越性。     

多种群竞争遗传算法及其性能分析

在指出传统遗传算法收敛中所存在的收敛速度慢及局部收敛问题的基础上,引入了一种新的改进遗传算法——多种群竞争遗传算法。该算法以种群间竞争为基础,不断淘汰相似个体,并不断补充新个体,增加种群的多样性,以提高收敛速度。最后,用一个典型的测试函数对传统遗传算法和多种群遗传算法进行测试,结果表明多种群遗传算法的性能优于传统遗传算法。     

改进量子遗传算法在多峰值函数寻优中的应用

针对标准量子遗传算法（QGA）在寻找多峰值最优时存在局部寻优能力较差和易早熟的缺陷，提出一种改进量子遗传算法（QQGA）,运用基于概率划分的小生境协同进化策略初始化量子种群，并采用动态量子旋转角调整策略来加快收敛速度；加入量子移民和保优选择策略，提高规划效率，避免陷入局部最优。利用复杂二元函数测试改进量子遗传算法，结果比标准量子遗传算法效率高。     

基于混合并行遗传算法的多目标约束优化技术研究

多目标约束优化问题属于NP问题。并行遗传算法是解决该类问题的常用算法,它具有较强的全局搜索能力和并行性,但局部搜索能力差,禁忌搜索算法则比较适合于局部搜索。提出了一种基于混合并行遗传算法的多目标约束优化方法,该方法综合了并行遗传算法和禁忌搜索算法的优势,改进了并行遗传算法的性能,能有效避免局部最优解。     

基于改进差分进化算法的含风电场的电力系统无功优化

含风电场的电力系统无功优化是一种具有多状态、多约束条件的非线性规划问题.针对其存在易陷入局部最优的缺点,提出了改进的差分进化算法.在基本差分进化算法中,融入递增二次函数交叉算子以增加算法的收敛速度.当算法陷入早熟后,对最优个体和随机选取的个体采用随机扰动的变异策略,帮助其跳出局部极值.仿真算例表明:改进的算法能有效地寻找到全局最优解,明显提高收敛速度,具有良好的自适应特性.     

模糊时间窗多目标冷链物流路径规划

针对近几年冷链物流行业高额的配送成本和能源消耗等问题,以冷链物流配送路径为研究对象,建立基于碳排放量、配送总成本和客户满意度的多目标配送路径优化模型。采用贴近实际的模糊时间窗配送方式和自适应灾变遗传算法,对冷链物流运输车辆路径规划和在实际配送中复杂路径问题下的多目标路径优化进行研究。算例分析表明:1)在冷链物流路径配送中,目标函数考虑碳排放时的碳排放量相比不考虑碳排放降低了56%;2)该模型能够在考虑碳排放量和客户满意度的基础上有效地降低配送成本,使多个目标进行有机统一,全局优化;3)该算法对于多目标冷链物流路径优化问题在寻优效率和计算时间上均优于标准遗传算法。     

基于自适应遗传优化递归神经网络的木工送料平台补偿控制研究

  目的  针对结构较为复杂的并联式多轴联动的新型木工带锯送料平台加工精度较低，控制参数无法优化，有多种不确定因素影响精度等问题。结合遗传算法寻优速度快和递归神经网络具有抑制不确定性因素的优点，设计一种将递归神经网络和自适应遗传算法结合的全局优化的控制策略。  方法  分析送料平台结构和误差产生来源，从而建立了相应的误差源模型；结合自适应遗传算法优化RNN网络参数进而对PID参数进行优化，通过Matlab和Adams联合仿真的方法对该补偿控制策略进行验证，并与传统PID、遗传算法优化PID参数和RNN网络优化PID参数3种补偿控制算法进行对比；分析不同算法下控制参数、送料平台位移与角度变化曲线，并搭建了实际电路和控制器进行实验。  结果  分析仿真结果可知:该控制策略与其他3种控制策略相比，超调量最小，响应最快，大约在0.6 s达到稳定，且其在外部干扰下，更快达到稳定，大约0.3 s达到稳定。经过该控制策略补偿后，Y方向的偏移误差从补偿前6 mm降低至小于3 mm，X方向的偏移误差从6 mm降低到2 mm，倾斜角误差从5.5°减小至3°，平台轨迹曲线大部分曲线段与目标曲线完全重合；传统PID控制时，Y方向的偏移误差为6 mm，X方向的偏移误差6 mm，倾斜角误差5.5°，平台轨迹曲线与目标曲线偏差较大；遗传算法优化PID参数控制时，Y方向的偏移误差从补偿前6 mm降低至小于4.8 mm，X方向的偏移误差从6 mm降低到5 mm，倾斜角误差从5.5°减小至4.5°，平台轨迹曲线部分曲线段与目标曲线重合；RNN网络优化PID参数控制时，Y方向的偏移误差从补偿前6 mm降低至小于4.5 mm，X方向的偏移误差从6 mm降低到4.8 mm，倾斜角误差从5.5°减小至4°，平台轨迹曲线部分曲线段与目标曲线重合。  结论  该方法与其他3种方法相比，响应速度快，超调量小，具有很好的抗干扰性能和较强的鲁棒性，且可有效补偿误差，提高其运动精度，满足驱动要求。      

坝基防渗治理的多目标模糊决策方法

提出了污水库坝基防渗治理方案的模糊决策方法.从多目标系统模糊决策基本理论出发,根据酸性污水库坝防渗加固工程的要求,选择治理可靠性、安全性、工程投资、施工工期、施工难易程度以及对环境的影响等6个指标,建立了防渗加固方案优选的评价体系.根据工程评价特点,采用变异系数法和专家调查法相结合的方法确定评价指标的权重,构造出酸性污水库坝防渗加固方案优选的决策与评价模型.利用该模型对矿山酸性污水库坝的防渗加固方案进行多目标优选决策.所得结果与实际建设一致,表明了该方法的可行性和有效性.     

基于改进型蚁群算法和Gauss-Markov随机场的植物病斑自适应分割

针对植物病害图像成分复杂、病斑排列无规则等特点,提出了基于改进型蚁群算法和Gauss-Markov随机场的自适应病斑分割算法。该算法采用自适应信息素更新策略,对信息量进行有差别的动态更新,克服了标准蚁群算法容易陷入局部最优造成的早熟、停滞现象。同时,利用Markov随机场的局部相关特性并结合Gauss分布组成线性平稳自回归模型,针对植物病斑特征建立分割模型。最后,采用改进型蚁群算法对其进行优化,并结合Gauss-Markov随机场最大后验概率估计,实现对植物病斑的自适应分割。仿真试验表明,改进后的算法能够针对植物病斑特性实现自适应分割,鲁棒性较好。然而,对于蚁群算法与Markov的最佳耦合方式及参数初始值的设置仍需作进一步研究。     

基于T-S模型的模糊神经网络在植物病害图像分割中的应用

针对植物病害图像的病斑区域边缘像素存在模糊性和不确定性,利用T-S模型的模糊规则后件是输入语言变量的函数特性,提出线性清晰化的自适应五层模糊神经网络模型作为植物病害图像模式分类的决策系统,并利用量子遗传算法对模型系统的可调整参数的初始值进行全局优化。试验结果表明:该模型对马铃薯早疫病的彩色图像的有效病班区域分割精确达到100%,学习算法速度快、收敛稳定、鲁棒性较好,避免了传统梯度下降学习算法的局部最小值,并且简单易于实现。     

基于神经网络PID的无人机自适应变量喷雾系统的设计与试验

【目的】针对传统植保无人机在定量喷施作业时由于飞行速度的变化造成施药不均匀以及传统控制算法无法满足无人机变量喷雾系统所需的实时性和稳定性等问题,设计一种基于神经网络PID的自适应无人机变量喷雾系统。【方法】采用风压变送器测出无人机的飞行速度,根据速度采用脉宽调制(PWM)方法进行自适应变量喷雾,同步用流量传感器测出实际喷雾流量,融合BP神经网络PID控制算法调节喷雾流量。由MATLAB构建BP神经网络PID控制算法,并与PID、模糊PID和神经元PID对比及分析;田间试验过程中,对比分析无人机定量喷雾与随飞行速度改变的变量喷雾效果,采用水敏纸获取雾滴沉积量分布,分别从整体区域、飞行方向和喷杆方向评价沉积量分布的均匀性。【结果】算法仿真对比试验结果表明,与PID、模糊PID和神经元PID相比,BP神经网络PID阶跃响应上升时间分别少28.57%、84.73%和31.03%,正弦跟踪平均误差分别小63.01%、87.03%和0.58%,方波跟踪平均误差分别小74.00%、79.53%和6.80%,鲁棒性强,无静差,超调量为1.20%;喷雾对比试验结果表明,本系统能够根据飞行速度自适应调节喷雾流量,实际流量与目标流量的平均偏差为8.43%,水敏纸扫描结果表明总体区域雾滴沉积量的变异系数对比定量喷雾平均降低26.25%,喷杆方向平均降低18.79%。【结论】该研究结果可为农业航空变量喷雾技术的应用提供理论基础。     

应用变论域模糊PID的直流电机调速系统

基于PID控制与模糊控制各自的优点,将模糊控制与常规PID控制相结合,并运用变论域的方法,设计了变论域自适应模糊PID控制器.然后,以直流电机为模型,实现对其转速的控制,使用Matlab进行可行性研究,并将其仿真结果与PID控制和模糊控制的仿真结果进行比较.结果表明,基于直流电机的变论域自适应模糊PID控制器的控制效果明显优于常规PID控制和模糊控制.